TraceView: Interactive Visualization of Agentic Program Repair Trajectories
本文介绍了 TraceView，这是一个交互式可视化工具，旨在通过将基于大语言模型（LLM）的自动化程序修复轨迹组织成具有过滤和证据能力的标记图视图，帮助开发人员诊断并理解其中的推理、动作和反馈循环。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你有一个非常聪明但有时会感到困惑的机器人助手。你要求它修复一段损坏的软件（一个“漏洞/Bug”）。机器人尝试进行修复，但有时会成功，有时会失败。
在过去，如果机器人失败了，你只能看到最终结果：“修复失败”。你完全不知道为什么会失败。它是陷入了混乱？它是在一遍又一遍地重复同一个错误吗？还是它忽略了发现的线索？这就像是在看一部电影，屏幕在结尾突然变黑，而你完全不知道中间发生了什么。
TraceView 是研究人员为了解决这个问题而创建的一个新工具。以下是它的工作原理，用简单的方式解释如下：
1. “黑盒”问题
通常，当这些 AI 智能体（Agents）尝试修复代码时，它们会经历一个漫长的思考、行动和检查结果的过程。这被称为“轨迹”（Trajectory）。
- 旧方式： 你只能看到最终的补丁（修复方案）。如果成功了，那很好；如果失败了，你只能靠猜测。
- 问题所在： 机器人可能在原地打转走了 20 步，或者它可能忽略了一个警告信号。如果没有看到这些步骤，你就无法教导机器人下次做得更好。
2. TraceView 的作用：“飞行记录仪”
把 TraceView 想象成机器人大脑的飞行记录仪（黑匣子）。它不仅仅是向你展示坠毁的结果，还会向你展示整个飞行路径。
它将机器人的工作分解为每一步中的三个简单部分：
- 思考（Thought）： 机器人当时在想什么或在计划什么。
- 行动（Action）： 机器人实际做了什么（比如搜索一个文件或运行一个测试）。
- 结果（Result）： 行动之后发生了什么（比如测试通过或失败）。
3. 交互式地图
TraceView 将这一长串的步骤转化为一张可视化地图（图表）。
- 概览： 想象你在看一张地铁线路图。你可以看到主要的站点（步骤）以及连接它们的线条。这有助于你看到大局：“噢，机器人在这里陷入了循环！”或者“它在这里分心并偏离了轨道！”
- 细节： 如果你点击某个特定的站点，地图就会放大。你可以阅读机器人那一刻具体的想法和行动。
4. 为旅程打标签
研究人员使用 TraceView 来为机器人的旅程“打标签”，就像老师批改学生的作业一样。他们可以用词汇来标记步骤之间的连接，例如：
- “良好的后续”： 机器人正确地利用了一个线索。
- “重复”： 机器人无缘无故地做了同样的事情两次。
- “分歧”： 机器人产生了困惑，开始谈论无关的事情。
- “误解”： 机器人看到了一个线索，但理解错了。
通过用不同的颜色标记这些连接，该工具可以突出显示机器人在哪里是有成效的，以及在哪里卡住了。
5. 研究人员的发现
团队用这个工具测试了五位研究人员。他们发现：
- 更易于扫描： 查看地图比阅读冗长的文本日志要快得多。
- 有助于理解： “先缩小观察，再放大查看”的方法帮助他们理解了机器人为什么会犯某些错误。
- 改进空间： 一些用户表示，如果节点（地图上的点）显示简短的摘要而不是像“T1”或“A2”这样的代码，地图会更加清晰。
总结
TraceView 是一个将混乱、冗长的 AI 机器人行动列表转化为清晰、交互式地图的工具。它帮助人类准确地看到机器人在哪里迷失了方向、在哪里重复自身，或者在哪里忽略了线索，从而更容易地修正机器人的行为，让它下次能做得更好。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。